CN112397137B - 污水中有机微污染物浓度变化规律的预测模型及预测方法 - Google Patents
污水中有机微污染物浓度变化规律的预测模型及预测方法 Download PDFInfo
- Publication number
- CN112397137B CN112397137B CN202011172585.7A CN202011172585A CN112397137B CN 112397137 B CN112397137 B CN 112397137B CN 202011172585 A CN202011172585 A CN 202011172585A CN 112397137 B CN112397137 B CN 112397137B
- Authority
- CN
- China
- Prior art keywords
- omps
- concentration
- bacteria
- model
- pollutants
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 55
- 239000010865 sewage Substances 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000008859 change Effects 0.000 title claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 8
- 241001453382 Nitrosomonadales Species 0.000 claims description 80
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 56
- 241000894006 Bacteria Species 0.000 claims description 55
- 239000010802 sludge Substances 0.000 claims description 49
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 32
- 230000012010 growth Effects 0.000 claims description 18
- 229910052757 nitrogen Inorganic materials 0.000 claims description 16
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 15
- 230000001590 oxidative effect Effects 0.000 claims description 15
- IOVCWXUNBOPUCH-UHFFFAOYSA-M Nitrite anion Chemical compound [O-]N=O IOVCWXUNBOPUCH-UHFFFAOYSA-M 0.000 claims description 14
- 230000004060 metabolic process Effects 0.000 claims description 14
- 244000005700 microbiome Species 0.000 claims description 14
- 231100000719 pollutant Toxicity 0.000 claims description 14
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 claims description 13
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 13
- 229910052760 oxygen Inorganic materials 0.000 claims description 11
- 238000002798 spectrophotometry method Methods 0.000 claims description 11
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 10
- 239000001301 oxygen Substances 0.000 claims description 10
- KMUONIBRACKNSN-UHFFFAOYSA-N potassium dichromate Chemical compound [K+].[K+].[O-][Cr](=O)(=O)O[Cr]([O-])(=O)=O KMUONIBRACKNSN-UHFFFAOYSA-N 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 230000007062 hydrolysis Effects 0.000 claims description 6
- 238000006460 hydrolysis reaction Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 239000002028 Biomass Substances 0.000 claims description 5
- NULAJYZBOLVQPQ-UHFFFAOYSA-N N-(1-naphthyl)ethylenediamine Chemical compound C1=CC=C2C(NCCN)=CC=CC2=C1 NULAJYZBOLVQPQ-UHFFFAOYSA-N 0.000 claims description 5
- LNGHGZJAEPDKFE-UHFFFAOYSA-N chloro 2-hydroxybenzoate Chemical compound OC1=CC=CC=C1C(=O)OCl LNGHGZJAEPDKFE-UHFFFAOYSA-N 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 4
- 238000004255 ion exchange chromatography Methods 0.000 claims description 4
- 230000002503 metabolic effect Effects 0.000 claims description 4
- 238000005375 photometry Methods 0.000 claims description 4
- 238000006065 biodegradation reaction Methods 0.000 claims description 3
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 230000009603 aerobic growth Effects 0.000 claims description 2
- 230000001580 bacterial effect Effects 0.000 claims description 2
- 230000003197 catalytic effect Effects 0.000 claims description 2
- 230000029087 digestion Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 2
- 239000000758 substrate Substances 0.000 claims description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims 2
- 206010021143 Hypoxia Diseases 0.000 claims 1
- 229910021529 ammonia Inorganic materials 0.000 claims 1
- 230000007954 hypoxia Effects 0.000 claims 1
- 230000009935 nitrosation Effects 0.000 claims 1
- 238000007034 nitrosation reaction Methods 0.000 claims 1
- 238000011002 quantification Methods 0.000 abstract description 3
- DCOPUUMXTXDBNB-UHFFFAOYSA-N diclofenac Chemical compound OC(=O)CC1=CC=CC=C1NC1=C(Cl)C=CC=C1Cl DCOPUUMXTXDBNB-UHFFFAOYSA-N 0.000 description 9
- 229960001259 diclofenac Drugs 0.000 description 9
- 239000003814 drug Substances 0.000 description 9
- ULGZDMOVFRHVEP-RWJQBGPGSA-N Erythromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)C(=O)[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 ULGZDMOVFRHVEP-RWJQBGPGSA-N 0.000 description 8
- 229940079593 drug Drugs 0.000 description 8
- FFGPTBGBLSHEPO-UHFFFAOYSA-N carbamazepine Chemical compound C1=CC2=CC=CC=C2N(C(=O)N)C2=CC=CC=C21 FFGPTBGBLSHEPO-UHFFFAOYSA-N 0.000 description 6
- 229960000623 carbamazepine Drugs 0.000 description 6
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 229960003276 erythromycin Drugs 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 229910052698 phosphorus Inorganic materials 0.000 description 4
- 239000011574 phosphorus Substances 0.000 description 4
- 239000002351 wastewater Substances 0.000 description 4
- HEMJJKBWTPKOJG-UHFFFAOYSA-N Gemfibrozil Chemical compound CC1=CC=C(C)C(OCCCC(C)(C)C(O)=O)=C1 HEMJJKBWTPKOJG-UHFFFAOYSA-N 0.000 description 3
- 229920006221 acetate fiber Polymers 0.000 description 3
- 229960000516 bezafibrate Drugs 0.000 description 3
- IIBYAHWJQTYFKB-UHFFFAOYSA-N bezafibrate Chemical compound C1=CC(OC(C)(C)C(O)=O)=CC=C1CCNC(=O)C1=CC=C(Cl)C=C1 IIBYAHWJQTYFKB-UHFFFAOYSA-N 0.000 description 3
- 229960003627 gemfibrozil Drugs 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- USHAGKDGDHPEEY-UHFFFAOYSA-L potassium persulfate Chemical compound [K+].[K+].[O-]S(=O)(=O)OOS([O-])(=O)=O USHAGKDGDHPEEY-UHFFFAOYSA-L 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 229960005489 paracetamol Drugs 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005297 material degradation process Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 125000005575 polycyclic aromatic hydrocarbon group Chemical group 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F3/00—Biological treatment of water, waste water, or sewage
- C02F3/34—Biological treatment of water, waste water, or sewage characterised by the microorganisms used
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2101/00—Nature of the contaminant
- C02F2101/30—Organic compounds
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Microbiology (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- Hydrology & Water Resources (AREA)
- Biotechnology (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Evolutionary Biology (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明公开了一种污水中有机微污染物浓度变化规律的预测模型及预测方法,属于污水处理技术领域,所述预测模型是利用污水厂活性污泥处理段的运行参数、进水中的组分浓度、动力学参数和化学计量数建立的ASM‑OMPs预测模型,可解决在实际污水处理过程中有机微污染物定量费时费力,浓度变化规律难以预测的问题。所述预测方法为:(1)确定反应体系中涉及的关键组分和过程,构建ASM‑OMPs预测模型的矩阵网络;(2)测定污水组分,初始化ASM‑OMPs预测模型;(3)对ASM‑OMPs预测模型参数进行灵敏度分析和校准;(4)优化ASM‑OMPs预测模型并预测一定时间范围内污水中有机微污染物浓度的连续变化规律。本发明的预测方法具有快速预测、准确定量、操作简便等优点,对解决污水水质问题具有现实意义。
Description
技术领域
本发明属于污水处理领域,具体涉及污水中有机微污染物浓度变化规律的预测模型及预测方法。
背景技术
有机微污染物(Organic micropollutants,OMPs)是指含量少且有毒有害难降解的污染物,其中包括药品与个人护理品、多环芳烃、有机农药等。污水处理厂出水是OMPs进入水环境的主要途径之一。尽管污水处理厂出水中OMPs浓度不高(ng/L-ug/L),但OMPs长期暴露会对生态环境和人体健康产生不利影响,因此预测污水中OMPs的浓度变化从而掌握其去除规律是目前急需解决的问题。
活性污泥工艺是目前污水处理厂去除OMPs的主要工艺。目前对OMPs的定量方法为液相色谱技术、液相色谱-质谱联用技术等分析技术,这类技术存在经济成本高、费时费力等缺陷,同时OMPs在活性污泥工艺中的去除受到运行参数、水质参数、微生物的生长代谢等多种因素影响,因此实际污水中OMPs浓度变化规律难以准确预测。数学模型是预测并精准调控复杂条件下污染物去除规律的重要手段。国际水协会于1986年起相继推出活性污泥1、2、2d、3号模型,活性污泥模型利用矩阵表达系统中涉及的关键组分和过程,通过定量描述与物质降解、微生物生长等过程相关的动力学和化学计量系数,解释系统内部的各个主要活动,并能外推出其他实验条件下的过程,进行更有效的实验设计。活性污泥模型已广泛应用于预测碳氮磷等传统物质的去除。随着污水中OMPs等新兴污染物的不断增加及其潜在的不利影响,如何修改和扩展已有的活性污泥模型以适用于预测污水中OMPs浓度变化规律是一个挑战。Plósz等人(2010)提出可用于评价外源痕量物质去除的活性污泥模型(ASM-X),该模型仅包括液相中母体化合物和可逆转化化合物以及固相中的吸附化合物三个组分,不考虑其余可溶性化合物和生物量组分,无法将OMPs的去除规律与运行参数、水质参数、微生物的生长代谢等实际复杂条件联系起来。因此,如何开发适用于预测实际活性污泥体系复杂条件下OMPs的浓度变化规律有待研究。
发明内容
本发明的目的是要解决在实际活性污泥处理过程中,现有有机微污染物定量方法费时费力,且无法对其连续变化规律进行准确预测的问题,进而提供一种污水中有机微污染物浓度变化规律的预测模型及其应用。
为了解决上述问题,本发明所采用的技术方案如下:
一种污水中有机微污染物浓度变化规律的预测模型,是基于有机微污染物在活性污泥体系中的生物降解机制,利用污水厂活性污泥处理段进水中的组分浓度、动力学参数和化学计量数建立的ASM-OMPs预测模型,具体建立方法为:
(a)选择活性污泥系统中有机微污染物去除所涉及的主要组分,包括具有有机微污染物降解性能的微生物氨氧化细菌和异养菌,微生物生长代谢所需的有机物、氨氮、亚硝氮、硝氮等基质和颗粒惰性物质、颗粒慢速降解物质等衰减产物;
(b)对COD、氮和微生物这些组分进行实测定量,并将组分初始值输入ASM-OMPs预测模型;
(c)选择活性污泥系统中有机微污染物的不同去除过程,包括直接代谢和共代谢生物降解过程,以及微生物的生长代谢与衰减过程;采用Monod动力学描述微生物的生长和对有机微污染物的代谢;
(d)将国际水协提出的动力学和化学计量学参数典型默认值输入ASM-OMPs预测模型,其中不会随污水水质的不同而有显著变化的参数,以及Monod方程中起到开关函数作用的参数无须校准;在其余参数中需根据灵敏度分析和文献调研结果,选择对模型预测结果影响较大的参数集,通过实际估测,或拟合水质指标实测值与模拟值进行校准;
(e)将校准后的参数替换原有初始值,完成ASM-OMPs预测模型的建立。
进一步地,所述的有机微污染物可由氨氧化细菌或异养细菌的共代谢或直接代谢作用转化,适用于可生物降解的有机微污染物。
进一步优选地,所述的活性污泥处理段为完全混合式的稳态活性污泥系统,满足5d<污泥龄<30d,5000mg/L<污泥浓度<8000mg/L。
进一步地,步骤(b)中所述COD、氮和微生物这些组分的初始值测定方法,以及步骤(d)中动力学和化学计量学参数的典型默认值和估测方法参见《活性污泥数学模型》(国际水协废水生物处理设计与运行数学模型课题组著,张亚雷,李咏梅译)。
进一步地,步骤(d)中所述的灵敏度分析为使用绝对-相对灵敏度方程进行参数变化对有机微污染物浓度的影响计算。
所述绝对-相对灵敏度方程为:
其中y代表模型模拟的变量,p代表任一模型参数。该公式代表p参数变化100%后,y变量的变化程度。
进一步地,所述ASM-OMPs预测模型是以活性污泥系统中有机微污染物为研究对象,包含以下11种组分、10个反应过程和26个参数:
11种组分:XH(异养菌),XAOB(氨氧化菌),XNOB(亚硝化菌),XI(颗粒惰性物质),XS(颗粒慢速降解物质),(亚硝态氮),/>(硝态氮),SNH(氨氮),SOMPs(有机微污染物),SS(溶解性易生物降解物质),SO(溶解氧);
10个反应过程:氨氧化细菌在利用氨氮生长过程中对有机微污染物的共代谢转化、氨氧化细菌对有机微污染物的直接代谢转化、氨氧化细菌的衰减、亚硝酸盐氧化细菌的生长、亚硝酸盐氧化细菌的衰减、异养细菌的好氧生长、异养细菌的缺氧生长、异养细菌对有机微污染物的代谢转化、异养细菌的衰减、水解;
26个参数:YAOB(氨氧化细菌产率系数),YNOB(亚硝酸盐氧化细菌产率系数),YHB(异养菌产率系数),iNBM(生物体氮含量),iNXI(惰性颗粒物氮含量),iNXS(慢速降解颗粒物氮含量),fI(生物衰减产物中惰性颗粒物比例),μAOB(氨氧化细菌最大比生长速率),bAOB(氨氧化细菌衰减系数),KA,NH(氨氧化细菌的氨氮亲和常数),KA,O(氨氧化细菌的溶解氧亲和常数),μNOB(亚硝酸盐氧化细菌最大比生长速率),bNOB(亚硝酸盐氧化细菌衰减系数),(亚硝酸盐氧化细菌的亚硝态氮亲和常数),KN,O(亚硝酸盐氧化细菌的溶解氧亲和常数),μHB(异养细菌最大比生长速率),bHB(异养细菌衰减系数),KHB(异养细菌最大水解速率),KX(水解速率常数),KH,O(异养细菌的溶解氧亲和常数),KH,S(异养细菌的溶解性底物亲和常数),(异养细菌的硝态氮亲和常数),ηHB(异养细菌的缺氧还原因子),TOMPs,AOB(氨氧化细菌对OMPs的共代谢转化系数),KOMPs,AOB(氨氧化细菌对OMPs的代谢转化系数),KOMPs,HB(异养细菌对OMPs的代谢转化系数)。
更进一步地,采用Monod动力学表达式描述细菌的生长,用于计算ASM-OMPs预测模型的各组分变化速率方程为:
XAOB:dXAOB/dt=μAOBSNH/(SNH+KA,NH)SO/(SO+KA,O)XAOB(t)-bAOBXAOB(t) (2)
XI:dXI/dt=fIbAOBXAOB(t)+fIbHBXH(t)+fIbNOBXNOB(t) (4)
XS:dXS/dt=(1–fI)bAOBXAOB(t)+(1–fI)bHBXB(t)+(1–fI)bNOBXNOB(t)-KHB(XH(t)+KX)(5)
SOMPs:dSOMPs/dt=-TOMPs,AOBSOMPsμAOBSNH/(SNH+KA,NH)SO/(SO+KA,O)XAOB(t)-KOMPs,AOBXAOB(t)SOMPs-KOMPs,HBXH(t)SOMPs (9)
进一步地,所述ASM-OMPs预测模型的单步计算大小为0.1,计算容量与单步计算大小的乘积等于所预测的总反应时长。
本发明还提供了利用上述模型进行污水中有机微污染物浓度变化规律预测的方法,具体包括以下步骤:
(1)确定活性污泥体系中有机微污染物去除所涉及的关键组分和过程,所述关键组分包括污水基质和微生物组分,所述过程为污水基质和微生物组分直接的相互作用关系,构建ASM-OMPs预测模型的矩阵网络;
(2)测定污水组分浓度:测定污泥浓度、异养细菌和氨氧化细菌生物量;过滤进水水样,测定进水水样中COD、硝态氮、亚硝态氮、氨氮和有机微污染物浓度;
(3)模型初始化:将经步骤(2)测定的组分以及动力学和化学计量学参数的文献推荐值,作为初始值输入AquaSim软件,初始化ASM-OMPs预测模型;
(4)模型优化与预测:根据灵敏度分析和文献调研结果,选择关键参数集并通过拟合水质指标实测值和预测值进行校准,经过校准的参数值替换原有初始值。设置预测时长,预测系统中有机微污染物的浓度变化。
优选地,步骤(2)中所述的进水水样为市政污水处理厂进水水样,满足15℃<环境温度<25℃,6.0<进水pH<8.0。
优选地,步骤(3)中所述参数变量的初始值测定方法如下:参见《活性污泥数学模型》(国际水协废水生物处理设计与运行数学模型课题组著,张亚雷,李咏梅译),按照模型中的动力学及化学计量学参数分类进行参数值假设、估测或是引用默认的参数值。
优选地,步骤(2)中所述的污水样品中有机微污染物的浓度通过液相色谱-质谱联用技术而得;氨氮的浓度采用水杨酸-次氯酸盐光度法测定;硝态氮的浓度采用离子色谱法或紫外分光光度法测定;亚硝态氮的浓度采用离子色谱法或N-(1-萘基)-乙二胺光度法测定;COD的浓度采用重铬酸钾法或快速密闭催化消解法测定;细菌生物量采用内源呼吸速率法测定。
与现有技术相比,本发明的有益效果为:
(1)本发明提供了一种简洁准确的有机微污染物浓度预测模型,能够实现活性污泥系统中有机微污染物浓度的快速定量,弥补了现有实际活性污泥系统中有机微污染物浓度定量方法成本过高、费时费力的缺陷;
(2)本发明选择必要的动力学和化学计量学参数进行校准,能够预测一定时间范围内有机微污染物浓度的连续变化,从而掌握其去除规律,有助于理解有机微污染物在活性污泥系统中的去除行为;
(3)本发明将有机微污染物的浓度变化与实际污水中的水质参数、微生物活动等条件联系起来,可广泛应用于各种复杂条件下有机微污染物浓度的模拟和预测,为选择强化有机微污染物去除的调控方案提供理论支撑。
附图说明
图1为本发明实施例1中双氯芬酸浓度的实测与预测结果图。
图2为本发明实施例1中卡马西平浓度的实测与预测结果图。
图3为本发明实施例1中苯扎贝特浓度的实测与预测结果图。
图4为本发明建立ASM-OMPs预测模型的流程示意图。
具体实施方式
以下结合具体实施例对本发明作进一步的描述,但本发明的保护范围并不仅限于此。
实施例1
本实施例的模拟对象是实验室级别的序批式活性污泥反应器,采用人工配制废水培养活性污泥。人工废水组成为:COD 500mg/L,总氮50mg/L,总磷8mg/L。该反应器有效体积为2.5L,反应器运行周期为12h,水力停留时间为12h,污泥龄为30d;在25℃条件下运行模式为:5min进水、11h混合并曝气、50min沉降和5min排水。该反应器污泥浓度为8000mg/L,pH为7.5。该反应器中有机微污染物浓度的预测实现过程如下:
1.建立ASM-OMPs预测模型:
设定模型中相关的变量符号分别为XH(异养菌),XAOB(氨氧化菌),XNOB(亚硝化菌),XI(颗粒惰性物质),XS(颗粒慢速降解物质),SNO2(亚硝态氮),SNO3(硝态氮),SNH(氨氮),SOMPs(有机微污染物),SS(溶解性易生物降解物质),SO(溶解氧)。其中SO(溶解氧)设定为4mg/L的常量,其余变量属性为状态变量;将组分及相关变化速率方程输入仿真软件,构建混合污泥反应器;
其中各组分变化速率方程如表1所示:
表1各组分变化速率方程
仿真软件输入矩阵如表2所示:
表2仿真软件输入矩阵
2.确定反应器进水中各组分的浓度及模型输入的参数值:
取50ml序批式活性污泥反应器进水水样,并使用0.45μm醋酸纤维滤膜过滤水样;使用重铬酸钾法、过硫酸钾氧化-紫外分光光度法、紫外分光光度法、N-(1-萘基)-乙二胺光度法和水杨酸-次氯酸盐光度法分别测定水样中COD、总氮、氨氮、硝态氮和亚硝态氮的浓度分别为500mg/L、50mg/L、50mg/L、0mg/L、0mg/L。本实施例中以双氯芬酸、卡马西平、苯扎贝特三种药品为研究对象,初始投加浓度均为10μg/L;
根据文献报道和灵敏度分析的结果,对μAOB、μHB、TOMPs,AOB、KOMPs,AOB、KOMPs,HB5个参数进行校准,其余参数采用传统模型中动力学和化学计量学参数的默认值,分别确定这5个参数值为:双氯芬酸:μAOB=0.016/h;μHB=0.15/h;TOMPs,AOB=0.0017mgCOD/L;KOMPs,AOB=0.00046mgCOD/L;KOMPs,HB=0。卡马西平:μAOB=0.013/h;μHB=0.11/h;TOMPs,AOB=0.203mgCOD/L;KOMPs,AOB=0;KOMPs,HB=7.20e-7mgCOD/L。苯扎贝特:μAOB=0.016/h;μHB=0.15/h;TOMPs,AOB=0.0206mgCOD/L;KOMPs,AOB=0;KOMPs,HB=1.04e-5mgCOD/L。
3.预测系统中的有机微污染物浓度变化规律:
将经测定的水样进水组分及参数输入ASM-OMPs模型的仿真软件中,并设置单步计算大小为0.1、计算容量为100步,对三种药品浓度变化规律进行预测。另外在反应器运行的一个周期中,10h内每间隔0.5h进行水样采集,实测一个周期中序批式活性污泥反应器中三种药品的浓度,再选取ASM-OMPs模型的预测结果进行对比验证。如图1-3所示,其中曲线代表ASM-OMPs模型预测值,点代表药品浓度实测值,其实测值与预测曲线拟合良好。
实施例2
1.同实施例1不同的是所述污水水源为市政污水处理厂A的进水。采样时其进水温度为20℃,生物段水力停留时间为8h,污泥龄为5d。其进水含COD100-150mg/L,总氮20-30mg/L,总磷2.0-3.5mg/L,pH7.4-8.0,悬浮固体3000-3200mg/L。取活性污泥段进水用以组分测定及参数估计。用孔径为0.45μm的醋酸纤维滤膜过滤污水样品;使用重铬酸钾法、过硫酸钾氧化-紫外分光光度法、紫外分光光度法、N-(1-萘基)-乙二胺光度法和水杨酸-次氯酸盐光度法分别测定水样中COD、总氮、氨氮、硝态氮和亚硝态氮的浓度。本实施例中以双氯芬酸、卡马西平、红霉素三种药品为研究对象,初始投加浓度均为10μg/L;
2.根据文献报道和灵敏度分析的结果,对μAOB、μHB、TOMPs,AOB、KOMPs,AOB、KOMPs,HB5个参数进行校准,其余参数采用传统模型中动力学和化学计量学参数的默认值,分别确定这5个参数值为:μAOB=0.034/h;μHB=0.13/h;双氯芬酸:TOMPs,AOB=0.872mgCOD/L;KOMPs,AOB=0.0094mgCOD/L;KOMPs,HB=0.00003mgCOD/L。卡马西平:TOMPs,AOB=0.172mgCOD/L;KOMPs,AOB=0.00001mgCOD/L;KOMPs,HB=7.20e-7mgCOD/L。红霉素:TOMPs,AOB=0.206mgCOD/L;KOMPs,AOB=0.0003mgCOD/L;KOMPs,HB=1.04e-5mgCOD/L。
3.将经测定的水样进水组分及参数输入ASM-OMPs模型的仿真软件中,并设置单步计算大小为0.1、计算容量为600步,对三种药品的残留浓度进行模拟预测。经ASM-OMPs模型预测,由预测模型估算得出在活性污泥工艺段内双氯芬酸、卡马西平、红霉素的残留浓度分别为4.07μg/L、3.14μg/L、0.87μg/L。
实施例3
1.本实施例与实施例2采取相同的模拟对象,即所述污水水源为市政污水处理厂A的进水。同实施例2不同的是所述污水水源为不同采样时间下南京市政污水处理厂A的进水。采样时其进水温度为15℃,生物段水力停留时间为8h,污泥龄为5d。其进水含COD100-150mg/L,总氮20-30mg/L,总磷2.0-3.5mg/L,pH7.4-8.0,悬浮固体3000-3200mg/L。取活性污泥段进水用以组分测定及参数估计。用孔径为0.45μm的醋酸纤维滤膜过滤污水样品;使用重铬酸钾法、过硫酸钾氧化-紫外分光光度法、紫外分光光度法、N-(1-萘基)-乙二胺光度法和水杨酸-次氯酸盐光度法分别测定水样中COD、总氮、氨氮、硝态氮和亚硝态氮的浓度。本实施例中以双氯芬酸、吉非罗齐、对乙酰氨基酚三种药品为研究对象,初始投加浓度均为10μg/L;
2.根据文献报道和灵敏度分析的结果,对μAOB、μHB、TOMPs,AOB、KOMPs,AOB、KOMPs,HB5个参数进行校准,其余参数采用传统模型中动力学和化学计量学参数的默认值,分别确定这5个参数值为:μAOB=0.023/h;μHB=0.11/h;双氯芬酸:TOMPs,AOB=0.627mgCOD/L;KOMPs,AOB=0.0084mgCOD/L;KOMPs,HB=0.00001mgCOD/L。吉非罗齐:TOMPs,AOB=0.372mgCOD/L;KOMPs,AOB=0.00003mgCOD/L;KOMPs,HB=6.40e-5mgCOD/L。红霉素:TOMPs,AOB=0.306mgCOD/L;KOMPs,AOB=0.0002mgCOD/L;KOMPs,HB=8.72e-7mgCOD/L。
3.将经测定的水样进水组分及参数输入ASM-OMPs模型的仿真软件中,并设置单步计算大小为0.1、计算容量为600步,对三种药品的残留浓度进行模拟预测。经ASM-OMPs模型预测,由预测模型估算得出在活性污泥工艺段内双氯芬酸、吉非罗齐、对乙酰氨基酚的残留浓度分别为4.8μg/L、0.88μg/L、0.1μg/L。
经上述各实施例数据可知,本发明的污水中有机微污染物浓度的实测值基本符合模型预测的浓度变化规律。可见本发明预测快速、定量准确、操作简便,因此可广泛应用于活性污泥系统中有机微污染物浓度变化规律的预测。
Claims (9)
1.一种污水中有机微污染物浓度变化规律的预测模型,其特征在于,所述模型是基于有机微污染物在活性污泥体系中的生物降解机制,利用污水厂活性污泥处理段的进水中的组分浓度、动力学参数和化学计量数建立的ASM-OMPs预测模型,具体建立方法为:
(a)选择活性污泥系统中有机微污染物去除所涉及的主要组分,包括具有有机微污染物降解性能的微生物,微生物生长代谢所需的基质和衰减产物;
(b)对COD、氮和微生物这些量进行实测,并将初始值输入ASM-OMPs预测模型;
(c)选择活性污泥系统中有机微污染物的不同去除过程;采用Monod动力学描述微生物的生长和对有机微污染物的代谢;
(d)将动力学和化学计量学参数值输入ASM-OMPs预测模型,其中不会随污水水质的不同而有显著变化的参数,以及Monod方程中起到开关函数作用的参数无须校准;在其余参数中需根据灵敏度分析和文献调研结果,选择对模型预测结果影响较大的参数集,通过实际估测,或拟合水质指标实测值与模拟值进行校准;
(e)将校准后的参数替换原有初始值,完成ASM-OMPs预测模型的建立。
2.根据权利要求1所述的一种污水中有机微污染物浓度变化规律的预测模型,其特征在于:所述的有机微污染物可由氨氧化细菌或异养细菌的共代谢或直接代谢作用转化。
3.根据权利要求1所述的一种污水中有机微污染物浓度变化规律的预测模型,其特征在于:所述的活性污泥处理段为完全混合式的稳态活性污泥系统,满足5d<污泥龄<30d,5000mg/L<污泥浓度<8000mg/L。
4.根据权利要求1所述的一种污水中有机微污染物浓度变化规律的预测模型,其特征在于:所述ASM-OMPs预测模型是以活性污泥系统中有机微污染物为研究对象,包含以下11种组分、10个反应过程和26个参数:
11种组分:XH为异养菌浓度,XAOB为氨氧化菌浓度,XNOB为亚硝化菌浓度,XI为颗粒惰性物质浓度,XS为颗粒慢速降解物质浓度,SNO2为亚硝态氮,SNO3为硝态氮,SNH为氨氮,SOMPs为有机微污染物,SS为溶解性易生物降解物质,SO为溶解氧;
10个反应过程:氨氧化细菌在利用氨氮生长过程中对有机微污染物的共代谢转化、氨氧化细菌对有机微污染物的直接代谢转化、氨氧化细菌的衰减、亚硝酸盐氧化细菌的生长、亚硝酸盐氧化细菌的衰减、异养细菌的好氧生长、异养细菌的缺氧生长、异养细菌对有机微污染物的代谢转化、异养细菌的衰减、水解;
26个参数:YAOB为氨氧化细菌产率系数,YNOB为亚硝酸盐氧化细菌产率系数,YHB为异养菌产率系数,iNBM为生物体氮含量,iNXI为惰性颗粒物氮含量,iNXS为慢速降解颗粒物氮含量,fI为生物衰减产物中惰性颗粒物比例,μAOB为氨氧化细菌最大比生长速率,bAOB为氨氧化细菌衰减系数,KA,NH为氨氧化细菌的氨氮亲和常数,KA,O为氨氧化细菌的溶解氧亲和常数,μNOB为亚硝酸盐氧化细菌最大比生长速率,bNOB为亚硝酸盐氧化细菌衰减系数,KN,NO2为亚硝酸盐氧化细菌的亚硝态氮亲和常数,KN,O为亚硝酸盐氧化细菌的溶解氧亲和常数,μHB为异养细菌最大比生长速率,bHB为异养细菌衰减系数,KHB为异养细菌最大水解速率,KX为水解速率常数,KH,O为异养细菌的溶解氧亲和常数,KH,S为异养细菌的溶解性底物亲和常数,KH,NO3为异养细菌的硝态氮亲和常数,ηHB为异养细菌的缺氧还原因子,TOMPs,AOB为氨氧化细菌对OMPs的共代谢转化系数,KOMPs,AOB为氨氧化细菌对OMPs的代谢转化系数,KOMPs,HB为异养细菌对OMPs的代谢转化系数。
5.根据权利要求4中所述的一种污水中有机微污染物浓度变化规律的预测模型,其特征在于:采用Monod动力学表达式描述细菌的生长,用于计算ASM-OMPs预测模型的各组分变化速率方程为:
XH:dXH/dt=μHBSO/(SO+KH,O)SS/(SS+KH,S)XH(t)+μHBηHBKH,O/(SO+KH,O)SNO3/(SNO3+KH,NO3)SS/(SS+KH,S)XH(t)-bHBXH(t)(1)
XAOB:dXAOB/dt=μAOBSNH/(SNH+KA,NH)SO/(SO+KA,O)XAOB(t)-bAOBXAOB(t)(2)
XNOB:dXNOB/dt=μNOBSNO2/(SNO2+KN,NO2)SO/(SO+KN,O)XNOB(t)-bNOBXNOB(t)(3)
XI:dXI/dt=fIbAOBXAOB(t)+f IbHBXH(t)+f IbNOBXNOB(t)(4)
XS:dXS/dt=(1-fI)bAOBXAOB(t)+(1-fI)bHBXB(t)+(1-fI)bNOBXNOB(t)-KHB(XH(t)+KX)(5)
SNO2:dSNO2/dt=1/YAOBμAOBSNH/(SNH+KA,NH)SO/(SO+KA,O)XAOB(t)-1/YNOBμNOBSNO2/(SNO2+KN,NO2)SO/(SO+KN,O)XNOB(t)(6)
SNO3:dSNO3/dt=1/YNOBμNOBSNO2/(SNO2+KN,NO2)SO/(SO+KN,O)XNOB(t)-(1-YHB)/2.86/YHBμNOBηHBKH,O/(SO+KH,O)SNO3/(SNO3+KH,NO3)SS/(SS+KH,S)XH(t)(7)
SNH:dSNH/dt=(-iNBM-1/YAOB)μAOBSNH/(SNH+KA,NH)SO/(SO+KA,O)XAOB(t)+(iNBM-iNXIfI)bAOBXAOB(t)-iNBMμNOBSNO2/(SNO2+KN,NO2)SO/(SO+KN,O)XNOB(t)+(iNBM-iNXIfI)bNOBXNOB(t)+iNXSKHB(XH(t)+KX)-iNBMμHBSO/(SO+KH,O)SS/(SS+KH,S)XH(t)-iNBMμHBηHBKH,O/(SO+KH,O)SNO3/(SNO3+KH,NO3)SS/(SS+KH,S)XH(t)+(iNBM-iNXIfI)bHBXH(t)(8)
SOMPs:dSOMPs/dt=-TOMPs,AOBSOMPsμAOBSNH/(SNH+KA,NH)SO/(SO+KA,O)XAOB(t)-KOMPs,AOBXAOB(t)SOMPs-KOMPs,HBXH(t)SOMPs(9)
SS:dSS/dt=KHB(XH(t)+KX)-1/YHBμHBSO/(SO+KH,O)SS/(SS+KH,S)XH(t)-1/YHBμHBηHBKH,O/(SO+KH,O)SNO3/(SNO3+KH,NO3)SS/(SS+KH,S)XH(t)(10)
SO:dSO/dt=(YAOB-3.43)/YAOBμAOBSNH/(SNH+KA,NH)SO/(SO+KA,O)XAOB(t)+(YNOB-1.14)/YNOBμNOBSNO2/(SNO2+KN,NO2)SO/(SO+KN,O)XNOB(t)+(YHB-1)/YHBμHBSO/(SO+KH,O)SS/(SS+KH,S)XH(t)(11)。
6.根据权利要求4中所述的一种污水中有机微污染物浓度变化规律的预测模型,其特征在于:所述ASM-OMPs预测模型的单步计算大小为0.1,计算容量与单步计算大小的乘积等于所预测的总反应时长。
7.一种如权利要求1~6任意一项所述的模型进行污水中有机微污染物浓度变化规律预测的方法,其特征在于,包括以下步骤:
(1)确定活性污泥体系中有机微污染物去除所涉及的关键组分和过程,构建ASM-OMPs预测模型的矩阵网络;
(2)测定污水组分浓度:测定污泥浓度、异养细菌和氨氧化细菌生物量;过滤进水水样,测定进水水样中COD、硝态氮、亚硝态氮、氨氮和有机微污染物浓度;
(3)模型初始化:将经步骤(2)测定的组分以及动力学和化学计量学参数的文献推荐值,作为初始值输入AquaSim软件,初始化ASM-OMPs预测模型;
(4)模型优化与预测:根据灵敏度分析和文献调研结果,选择关键参数集并通过拟合水质指标实测值和预测值进行校准,经过校准的参数值替换原有初始值;设置预测时长,预测系统中有机微污染物的浓度变化。
8.根据权利要求7所述的方法,其特征在于:步骤(2)中所述的进水水样为市政污水处理厂进水水样,满足15℃<环境温度<25℃,6.0<进水pH<8.0。
9.根据权利要求7所述的方法,其特征在于:步骤(2)中,所述的污水中有机微污染物的浓度通过液相色谱-质谱联用技术而得;氨氮的浓度采用水杨酸-次氯酸盐光度法测定;硝态氮的浓度采用离子色谱法或紫外分光光度法测定;亚硝态氮的浓度采用离子色谱法或N-(1-萘基)-乙二胺光度法测定;COD的浓度采用重铬酸钾法或快速密闭催化消解法测定;细菌生物量采用内源呼吸速率法测定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011172585.7A CN112397137B (zh) | 2020-10-28 | 2020-10-28 | 污水中有机微污染物浓度变化规律的预测模型及预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011172585.7A CN112397137B (zh) | 2020-10-28 | 2020-10-28 | 污水中有机微污染物浓度变化规律的预测模型及预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112397137A CN112397137A (zh) | 2021-02-23 |
CN112397137B true CN112397137B (zh) | 2024-02-09 |
Family
ID=74598331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011172585.7A Active CN112397137B (zh) | 2020-10-28 | 2020-10-28 | 污水中有机微污染物浓度变化规律的预测模型及预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112397137B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393907B (zh) * | 2021-07-20 | 2023-05-02 | 西安交通大学 | PPCPs类有机污染物降解率预测模型构建方法及装置 |
CN113555129B (zh) * | 2021-07-20 | 2023-12-29 | 西安交通大学 | 污水管网病毒感染风险预测方法及装置 |
CN114678079A (zh) * | 2022-04-08 | 2022-06-28 | 苏州清初环境科技有限公司 | 一种用于评估污水处理厂有机物降解与硝化反应活性的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6623975B1 (en) * | 2000-05-09 | 2003-09-23 | Gordon-Darby Systems, Inc. | Method and system for vehicle emission testing |
KR100683477B1 (ko) * | 2005-11-18 | 2007-02-16 | 효성에바라엔지니어링 주식회사 | 모듈형 모델을 이용한 예측에 기반한 활성 슬러지 공정의 제어 방법 |
WO2009018686A1 (fr) * | 2007-08-08 | 2009-02-12 | Guanghao Peng | Méthode d'élimination de la contamination par le c et le n utilisant des bactéries hétérotropes d'oxydation de l'ammoniac |
JP2009150664A (ja) * | 2007-12-18 | 2009-07-09 | Idea Consultants Inc | 統計的手法による予測対象物中の化合物の全濃度の予測方法 |
CN101786721A (zh) * | 2010-02-05 | 2010-07-28 | 重庆大学 | 城市污水处理厂出水有机物浓度的随机过程预测方法 |
CN110451661A (zh) * | 2019-09-12 | 2019-11-15 | 南京大学 | 一种污水中微生物类溶解性有机氮的预测模型及其应用 |
CN111222253A (zh) * | 2020-01-20 | 2020-06-02 | 中国科学院生态环境研究中心 | Cfd-asm耦合模拟模型、其建立方法及污水处理系统优化方法 |
WO2020122811A1 (en) * | 2018-12-13 | 2020-06-18 | Sembcorp Industries Ltd | System and method for predicting a parameter associated with a wastewater treatment process |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011163245A2 (en) * | 2010-06-21 | 2011-12-29 | Spectral Associates, Llc | Methodology and its computational implementation for quantitative first-principles quantum-mechanical predictions of the structures and properties of matter |
-
2020
- 2020-10-28 CN CN202011172585.7A patent/CN112397137B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6623975B1 (en) * | 2000-05-09 | 2003-09-23 | Gordon-Darby Systems, Inc. | Method and system for vehicle emission testing |
KR100683477B1 (ko) * | 2005-11-18 | 2007-02-16 | 효성에바라엔지니어링 주식회사 | 모듈형 모델을 이용한 예측에 기반한 활성 슬러지 공정의 제어 방법 |
WO2009018686A1 (fr) * | 2007-08-08 | 2009-02-12 | Guanghao Peng | Méthode d'élimination de la contamination par le c et le n utilisant des bactéries hétérotropes d'oxydation de l'ammoniac |
JP2009150664A (ja) * | 2007-12-18 | 2009-07-09 | Idea Consultants Inc | 統計的手法による予測対象物中の化合物の全濃度の予測方法 |
CN101786721A (zh) * | 2010-02-05 | 2010-07-28 | 重庆大学 | 城市污水处理厂出水有机物浓度的随机过程预测方法 |
WO2020122811A1 (en) * | 2018-12-13 | 2020-06-18 | Sembcorp Industries Ltd | System and method for predicting a parameter associated with a wastewater treatment process |
CN110451661A (zh) * | 2019-09-12 | 2019-11-15 | 南京大学 | 一种污水中微生物类溶解性有机氮的预测模型及其应用 |
CN111222253A (zh) * | 2020-01-20 | 2020-06-02 | 中国科学院生态环境研究中心 | Cfd-asm耦合模拟模型、其建立方法及污水处理系统优化方法 |
Non-Patent Citations (6)
Title |
---|
ASM型活性污泥模型对某污水处理厂运行参数的优化及研究;金磊;中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑(第06期);B027-648 * |
Modeling the formation of microorganism-derived dissolved organic nitrogen (mDON) in the activated sludge system;Hu, HD,等;WATER RESEARCH;第174卷;文献号 115604 * |
The removal of nitrogen and organics in vertical flow wetland reactors: Predictive models;Saeed, T,等;BIORESOURCE TECHNOLOGY;第102卷(第02期);第1205-1213页 * |
多参数影响下污水总氮浓度预测最优方法研究;黄辉,等;南京大学学报(自然科学);第53卷(第06期);第1194-1202页 * |
微曝气垂直流湿地污染物去除动力学模型分析;潘继征,等;环境科学(第11期);第2633-2638页 * |
面向寒冷地区城镇污水处理厂提标改造的ASM模拟优化及其应用;柳蒙蒙,等;环境工程学报;第14卷(第04期);第1119-1128页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112397137A (zh) | 2021-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112397137B (zh) | 污水中有机微污染物浓度变化规律的预测模型及预测方法 | |
CN110451661B (zh) | 一种污水中微生物类溶解性有机氮的预测模型及其应用 | |
Sepehri et al. | Activity enhancement of ammonia-oxidizing bacteria and nitrite-oxidizing bacteria in activated sludge process: metabolite reduction and CO2 mitigation intensification process | |
Ali et al. | Source identification of nitrous oxide emission pathways from a single-stage nitritation-anammox granular reactor | |
Petersen | Calibration, identifiability and optimal experimental design of activated sludge models | |
Gujer | Nitrification and me–A subjective review | |
Kaelin et al. | Extension of ASM3 for two-step nitrification and denitrification and its calibration and validation with batch tests and pilot scale data | |
Mathieu et al. | Estimation of wastewater biodegradable COD fractions by combining respirometric experiments in various So/Xo ratios | |
Li et al. | Micro-profiles of activated sludge floc determined using microelectrodes | |
Persson et al. | Distribution and activity of ammonia oxidizing bacteria in a large full-scale trickling filter | |
De Sanctis et al. | Granular biomass structure and population dynamics in Sequencing Batch Biofilter Granular Reactor (SBBGR) | |
Wik | Trickling filters and biofilm reactor modelling | |
Gatti et al. | Wastewater COD characterization: analysis of respirometric and physical‐chemical methods for determining biodegradable organic matter fractions | |
Zuthi et al. | A review towards finding a simplified approach for modelling the kinetics of the soluble microbial products (SMP) in an integrated mathematical model of membrane bioreactor (MBR) | |
Chen et al. | Performance and microbial ecology of a nitritation sequencing batch reactor treating high-strength ammonia wastewater | |
Yu et al. | Effects of carbon-to-sulfur (C/S) ratio and nitrate (N) dosage on Denitrifying Sulfur cycle-associated Enhanced Biological Phosphorus Removal (DS-EBPR) | |
Ray et al. | Kinetics of carbon and nitrogen assimilation by heterotrophic microorganisms during wastewater treatment | |
Zhang et al. | Wastewater COD characterization: RBCOD and SBCOD characterization analysis methods | |
Peng et al. | Model-based assessment of estrogen removal by nitrifying activated sludge | |
Elawwad et al. | Modeling of phenol and cyanide removal in a full-scale coke-oven wastewater treatment plant | |
Rahm et al. | Nitrate dynamics in two streams impacted by wastewater treatment plant discharge: point sources or sinks? | |
Cronje et al. | Active biomass in activated sludge mixed liquor | |
González-Hernández et al. | Improved integrated dynamic model for the simulation of submerged membrane bioreactors for urban and hospital wastewater treatment | |
Zhang et al. | The combined effects of biomass and temperature on maximum specific ammonia oxidation rate in domestic wastewater treatment | |
Zeng et al. | Modeling partial nitrification and denitrification in a hybrid biofilm reactor: calibration by retention time distribution and respirometric tests |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |